小编era*_*oul的帖子

我有来自传感器设备(例如视频)的每秒大量字节,这些传感器设备正由Docker容器中的进程读取和处理.

我有一个想要读取已处理字节流的第二个Docker容器(仍然是每秒大量字节).

什么是读取此流的有效方法？理想情况下,我想让第一个容器写入第二个容器可以读取的某种共享内存缓冲区,但我不认为单独的Docker容器可以共享内存.也许有一些共享文件指针的解决方案,文件保存到内存文件系统？

我的目标是尽可能地提高性能并尽可能减少从一个缓冲区到另一个缓冲区的无用数据副本.

编辑:很想拥有Linux和Windows的解决方案.同样,我有兴趣在C++和python中找到解决方案.

当我acf在 R 中使用该函数时，它会绘制水平线，代表各种滞后的自相关的置信区间（默认为 95%）：

但是，当我statsmodels.graphics.tsaplots.plot_acf在 python 中使用时，我看到一个基于更复杂计算的弯曲置信区间：

请注意，在 R 版本中，延迟到延迟 25 被认为是显着的。对于相同的数据，在 python 版本中，只有到 20 的滞后才被认为是显着的。

这两种方法有什么区别，我应该更信任哪一种？有人可以解释由 计算的非常数置信区间的理论statsmodels.tsa.stattools.acf吗？

我知道我可以通过简单地绘制类似的东西来重现 R 水平线y=[+/-]1.96 / np.sqrt(len(data))。但是，我想了解花哨的弯曲置信区间。